保险业的效率测度：文献综述与理论构建，本文主要内容关键词为：保险业论文,文献论文,效率论文,理论论文，此文献不代表本站观点，内容供学术参考，文章仅供参考阅读下载。
随着市场经济在中国的不断发展和完善，保险在日常生活中的作用日益明显，中国保险公司经历了一个飞速发展的过程。具体而言，从2003—2013年，中国保险机构数量增长率约为419.5%；在保费收入方面，财险保费收入增长率为211%；寿险保费收入增长率为118.5%；在从业人员方面，增长率高达316%。 保险公司在迅速填补国内保险市场空白、平缓社会风险的同时，也逐渐暴露了机构冗余、政令不通、工作无序且低效等一系列问题。由此，保险公司的效率问题成为研究热点。本文在综述基础上发现，现有研究争议主要体现为：其一，保险公司效率的测算方法不同。其二，投入产出指标的选择不同。而这两种研究争议的根源在于保险公司的特殊性：保险公司作为一种提供特殊金融产品与服务的金融机构，有其特有的经济属性和金融功能，既要追求利润最大化，又要承担一定的社会功能。具体而言：首先，作为一种特殊的金融机构，保险公司主要通过提供保险产品来实行风险规避功能；其次，保险公司在给客户提供风险规避功能的同时，实际上承担了重要的社会功能，而如何在效率测度中反映出保险公司的社会功能存在困难与差异；最后，保险公司并不是同质性的金融机构，内部存在不同的分类，单纯从提供的保险产品来看，可分为财产保险公司、人寿保险公司和综合型保险公司，三者所提供的保险产品和服务差异较大，直接导致效率测度中投入产出指标选择上的差异和效率测度结果比较上的困难。 因此，本文通过对已有保险公司效率研究成果的综述与归纳，指出保险公司的特殊性，构建保险公司的测度框架，提出符合理论依据的指标体系。 二、保险公司效率测度：研究与评价 本文综述的文献主要来源于中国知网和荷兰Elsevier期刊全文数据库。基于中国知网的文献检索工具，输入关键词“保险业”和“效率”，查找到2003—2012年间共1 038篇文献，选取其中涉及投入产出指标描述的文献有10篇；同时使用荷兰Elsevier期刊全文，在选项“Abstract，Title，Keywords”以“insurance”和“efficiency”为检索条件，查找到1993—2015年共426篇文献，选取其中涉及投入产出的文献共16篇。在此基础上，对保险业效率研究以及效率研究中投入产出指标的选择问题进行了详细综述。 在效率研究方面，主要采用的方法有参数法和非参数法两种。其中，运用参数法作为分析方法的文献占22.86%，运用非参数方法做实证分析的文献占77.14%；而在效率研究方面，所涉及的效率主要包括成本效率、利润效率、规模效率和技术效率等。其中，对成本效率和技术效率以及利润效率的研究占了大多数；涉及成本效率研究的文献约占33.33%，涉及技术效率的文献约占28.57%。可以看出，在对保险业的效率研究方面，大多数学者采用非参数的方法来做实证分析，对于参数法的运用较少，而在效率选择上，大多数学者偏好研究成本效率和技术效率。 (一)参数法 参数法按照对随机项和非效率项的不同假设，又可以分为随机前沿法(SFA)、自由分布法(DFA)以及厚前沿法(TFA)。典型研究有：Fenn等(2008)[1]基于SFA方法估计欧洲市场1995—2001年间寿险保险公司、非寿险保险公司及综合保险公司的X效率，认为在欧洲国家中保险市场份额较大的保险公司成本效率表现较差。甘小丰(2008)[2]采用SFA方法对中国保险业1996—2005年的成本/利润效率以及规模效率的演进趋势进行研究，得出中资保险公司成本效率高于外资合资公司的结论。黄薇(2008)[3]在对保险公司效率的评价模型构建中，采用设定边界函数的SFA方法对中国1999—2006年间承担不同经营风险的保险公司的效率值进行测定，认为来自竞争市场的压力对于促进保险业的效率有消极影响。 (二)非参数法 在非参数法中，主要使用的方法有数据包络分析法(DEA)和自由排列包方法。国内外典型研究有：Diacon等(2002)[4]用两阶段DEA方法估计欧洲350家保险公司1996—1999年期间长期相对效率值，发现相互保险公司的效率比股份制保险公司的效率高。Brockett et al.(2004)[5]使用DEA方法对美国的财产责任保险公司的效率进行计算，并对其债务清偿能力、不同的组织形式和营销进行评价，认为偿付能力对美国产险的影响十分有限。Barros等(2005)[6]采用效率前沿方法，使用基于DEA模型的Malmquist生产率指数对1995—2001年间葡萄牙保险业的技术效率做出实证分析，认为促进工资控制、抑制委托代理行为和集体行动能够促进效率；同时增加企业治理的透明度也会提升效率。Brockett等(2005)[7]将自由分步随机统计方法与DEA方法相结合，分析了美国1989年不同产权结构的财产责任保险公司的相对效率，这些保险公司包含了1114家股份制保险公司和410家共同保险公司。姚树洁等(2005)[8]选取中国22家保险机构1999—2002年间的数据，采用DEA方法计算效率分数，并对效率分数的主要影响因素做出分析，认为国有保险公司似乎比非国有制保险公司更具效率。胡颖和叶羽钢(2009)[9]将风险纳入考虑范围，运用DEA方法计算2002-2007年间保险业的效率差异，认为寿险业的效率有一部分是由于该行业中的高风险而获得，经过风险调整之后寿险行业的效率值更低，同时风险调整对产险行业的效率影响不大。 (三)简要评述 参数法和非参数法在计算效率时存在各自的优劣。参数法的特点是需要预先设定函数形式，并对样本数据进行估计得出最优生产前沿。因为参数法在效率计算之前就已经确定了函数形式，故存在明显缺点是一旦函数设定不恰当，则设定误差与效率估计误差就会产生混淆使得结果不明确。但是参数法也有其存在的优点，它能够将纯粹的随机误差与非效率值相分离。非参数方法的特点是不需要事先确定函数的形式，不需要分解残差的非效率项和误差项，不需要考虑分解项的分布假设，因而存在明显的优点是：对于研究的约束少；对于投入和产出的研究处理比较容易。但是其缺点也同样明显：用非参数方法确定的效率值中，任何与前沿的偏离都被解释为非效率，不能将随机误差项分离出来。 由此可知，在考虑保险行业效率前沿面时，由于非参数方法在显著性与精确度上的缺陷，参数法较之非参数法更有优势。由于目前国内保险行业还处于一个发展阶段，因此，了解行业本身与最优效率之间的差距才能够提出针对性的解决方法从而使得国内的保险行业得到进一步发展。所以，参数法是目前较为合适的研究方法，但是，国内的保险业研究为了规避参数的选定带来的误差，大多数使用非参数方法。 三、保险公司效率测度：理论建构与指标选取 本文认为，保险机构效率研究争议的根源在于如何对保险机构的组织属性进行界定，清晰的组织属性界定是合适的测度方法选择和投入产出指标选择的前提。 (一)机构属性分析 保险机构作为一种特殊的金融企业，既有一般性又有特殊性。保险机构在金融市场中的一般性主要体现在两个方面。一方面，与商业银行和证券公司相同，保险机构也是金融中介的一种，通过所提供的服务作为投保人和被保人之间的中介。另一方面，保险机构与其他金融机构一样，通过提供金融产品来获益。 而保险机构的特殊性体现为差异化的金融产品。保险业组织与其他金融机构，特别是商业银行存在很大的相似处。从机构属性来看，商业银行是指按《中华人民共和国公司法》设立的吸收公众存款、发放贷款、办理结算等业务的企业法人。商业银行作为资金的中介机构，侧重资金的安全性，通过吸储和放贷对资金进行重新分配，并从存贷利差中获得收益，商业银行的基础业务是吸收存款和发放贷款。而保险是指投保人根据合同约定，向保险人支付保险费，保险人对于合同约定的可能发生的事故因其发生所造成的财产损失承担赔偿保险金责任，或者当被保险人死亡、伤残、疾病或者达到合同约定的年龄、期限等条件时承担给付保险金责任的商业保险行为。保险机构，特别是人寿保险公司的保费收入，在某种程度上也是一种“存款”行为。但是人寿保险需要在规定的时间缴纳规定数额的保费，在达到一定条件之后，可以在规定时间领取规定数量的保险金。保险公司通过单个投保人的自助心理实现了所有投保人的互助行为，通过管理收益、承保收益和投资收益来获取利润。保险公司的职能主要有三：一是通过社会内部对货币的调节，进行资源再分配，从而发挥最大的效用，最终提高了社会整体的生活水平；二是在保险的过程中，分担了风险，缓解了社会的不安定因素，提高了社会的安定程度；三是在规避了未来可能的风险之后，减少了储蓄的必要性，从而能够将货币投入到投资和再生产环节，提高社会资源的使用效率。也因此保险公司在提供经济职能的同时还提供社会职能。保险业与一般商业机构的区别在于对不确定的风险进行投资。在保险行业的内部，财产责任保险公司和人寿保险公司的特殊性体现在两者业务范围的不同。财产责任保险是对物体进行短期的投保；而人寿保险则是对人身进行长期的风险规避。因此，两种业务合同的设计也存在差异，直接导致两种险种在选取投入产出指标时的明显差异。 基于上述分析，可以整理出保险公司与其他金融机构的异同(见表1)。
(二)方法与理论建构 目前，测度保险机构效率的方法，越来越聚焦在参数法的随机前沿分析方法(SFA)和非参数法的数据包络分析方法(DEA)。随机前沿分析方法因为其秉承了经济学基础理论，因此这种方法相对更加严谨，发展也相对稳定，故这里不再叙述。而数据包络分析作为一种非主流分析方法，由于没有坚实的经济理论基础，所以一直处在一种不断摸索发展的过程中。就保险机构效率测度而言，在过去的几年中，DEA主要向两个方向发展：一是测度方法自身的发展；二是测度方法的外部发展。 在DEA方法自身发展方面，传统DEA是采用基于生产可能集规模收益不变的情况下确定决策单元的CCR模型。由于规模收益不变的假定局限大，因此引入BCC模型，即在可变规模收益假定下分析决策单元在一个微小邻域内的性质来判定规模收益的情况。但在实际规模收益分析中，往往还会涉及“阻塞效应”的问题。因此，Fare等人在此基础上提出了FGL模型。FGL模型通过分析规模效率来判定被评单元是否达到了规模收益最优，再通过径向测度DEA模型效率的比例对DMUs单元的规模收益进行估算。上述三个模型都是基于径向测度的DEA模型，但是径向测度的DEA模型存在明显的不足，即会遗漏松弛变量信息。为了弥补这些问题，非径向测度的DEA模型应运而生，例如Russell测度的DEA模型、加性DEA模型等。(杨国梁等，2013)[10] 在测度方法的外部发展方面，越来越多的DEA分析过程开始考虑“非合意产出”的影响。例如，黄薇(2008)[3]在考虑经营风险的情况下，测度了经过风险调整的保险公司的真实效率水平，证实了风险因素对保险公司的效率水平产生了不同程度的影响。此后，黄薇(2008)[11]再次将保险公司所承担的内生非系统性风险纳入效率评价体系，在对保险公司的成本效率和利润效率进行估算之后，发现纳入风险因素的效率值明显上升，表明风险变量对保险公司的效率变动有显著影响。胡颖和叶羽钢(2009)[9]也发现在我国寿险公司中，风险的承担会提高未经风险调整的效率水平。 (三)投入产出指标选择 Berger和Humphrey(1997)[12]认为确定投入产出指标的方法分别为生产法、中介法和增加值法。由此，本文将文献中使用的投入产出指标加以归纳，在综述基础上发现，三种方法在投入指标的选择上差异不大，劳动力、总资本和费用三项是使用频率最高的三个投入指标。但是在产出方面，由于现有文献对产出指标的选择未达成共识，因此本文按照产出指标确定方法分类，并针对各种方法指出其优劣。 1.投入指标 (1)劳动力。保险公司的劳动力投入在国际上一般分为内勤人员和销售代表。内勤人员作为保险公司的劳动力投入毋庸置疑，但销售代表是否划入劳动力投入，各学者的处理不尽相同，并且，选取的文献中，仅有少量文献对销售代表和内勤人员加以说明，其余大部分文献在这个问题上的处理比较模糊。较为合理的做法是选取内勤人员和销售代表的总和，内勤人员的数量在各个保险机构的年报报或行业年鉴中可以获得，但由于销售代表的流动性和灵活性，因此，销售代表数据难以得到规范整理。因此，在这种情况下，可以用手续费和佣金来代替销售代表变量。工资则采用各国劳动部门公布的保险行业平均工资作为替代变量。 (2)总资本。总资本投入一般包括权益资本、债务资本和实物资本。因为权益资本是保险机构对投保人的一种承诺保障，这类资本在当损失超过预期时就会提取作为保费来偿付，故该类资本是在面临这种风险情况下的应对手段，因此权益资本是一种投入要素，权益资本价格在大多数研究中一般以股票市场的平均权益回报率作为替代。债务资本在保险公司中的地位类似于银行机构中的存款，因为保险公司通过发行保单筹集资金，收取的保费与赔付之间存在“时间差”，在“时间差”内，收取的资金以准备金负债存在。考虑银行的存款资金，Berger和Humphrey(1997)[12]认为存款性资金同时具有投入性质和产出性质，存款作为投入是因为银行需要为存款支付利息，同时，可投资资金额增加；存款具有产出性质的原因是存款以及为存款人提供的流动性、保管和支付服务的相关性。与此类似，仅考虑承保阶段，债务资金具有产出性质，但在考虑投资阶段时，债务资金就具有投入性质。基于上述原因，债务资本一般不经常使用。实物资本一般是指以厂房、机器、设备和工具等劳动资料的形式存在的生产资本。大多数文献中，会直接选取实物资本作为单独的投入指标。 (3)费用。这里的费用投入一般包括保险公司投入的差旅费、广告费、通讯费等各种费用。但是由于这一项数据的统计复杂且不完整，因此，在大部分文献中用运营费用代替。 2.产出指标 (1)生产法。在生产法中，金融机构主要为账户持有人生产服务。具体到保险公司，笔者认为保险公司通过投入劳动力、代理人、总资本和营业费用，产出的保险政策和要求权等，可用保费收入变量和已发生给付和准备金变动变量作为代理。不同学者对保险行业中用生产法衡量产出指标时有不同见解。 Gardner和Grace(1993)[13]在进行估计时选取的投入变量是劳动力、实物资本、杂项价格；确定的产出变量是个人寿险保费收入、团体寿险保费收入、个人寿险年金、团体寿险年金、事故健康保费收入、证券投资收益。投入项的选择值得探讨：投入应该是实物或者服务的投入，不应是价格的投入。投入应当是一个绝对值，但是价格是一个相对值。另外，如上文分析，实物资本作为投入指标并不合适。因为实物资本在保险公司的资产投入中比例小，与权益资本相比，不适合作为代理变量。Fukuyama(1997)[14]用DEA方法计算了日本在1988-1993年间25家保险公司的Malmquist指数，分析了产权结构和经济状况对效率值的影响。此处，投入指标是公司前置资产价值、内部职工数、销售代表数；产出变量是保险服务、借款。此处保险服务作为产出变量值得商榷：保险服务的量化存在一定难度，在一定程度上会增加效率估计误差。Cummins和Zi(1998)[15]的文献中投入变量有劳动力、金融资本、实物资本；产出指标有个人寿险收益支付、团体寿险收益支付、个人年金收益支付、团体年金收益支付、事故健康收益支付、额外准备金。在这里劳动力和实物资本作为投入值得商榷：对于劳动力的分析可参考前文；对于实物资本，由于资产=负债+所有者权益，金融资本代表的是所有者权益，所以将实物资本替换为负债类资本作为资产的代理变量。Brockett等(2004)[5]在估算效率时，投入指标是前一年盈余、资本盈余变动、承销和投资费用以及保单持有人的债务资本；产出指标是投资回报率、流动资产负债和债务清偿能力。由于劳动力的变量的缺失，使效率估算产生较大的误差。 姚树洁等(2005)[8]分析了效率的影响因素。在效率估计过程中，投入要素是赔付金额、劳动力、资本；产出要素为保费收入、投资收入。其中，最主要是对劳动力的定义不明确。因为保险公司具有行业特殊性，劳动力的组成包括内勤人员和销售代理，但文献中并未给出明确说明。Barros等(2005)[6]采用Malmquist生产率指数分析效率。在效率估计时，选择的投入变量是工资、资本、总投资收益、保费收入；产出变量是赔付支出和利润。此处投入产出变量有待商榷：其一，工资的统计口径不明确。笔者注意到文中对产险和寿险有加以区分，但在工资变量的处理上，未给出说明。其二是总投资收益和保费收入在设置上有重合。因为保费收入中有一部分是作为投资资本存在，因此，总投资收益中有重复计算部分，对效率的估计产生影响。陈璐(2006)[16]在估计效率时选择的投入变量是劳动人数、费用、资本金；产出要素有保险赔偿或给付、准备金增加和投资收益之和。在投入指标方面有待商榷：文中选取内勤人数代表整个公司的劳动力人数；同时，费用变量中缺少相应销售代理的支出费用；另外，资本金在文中的说明是由资产负债表中的“实收资本”代替，但资本中大部分由股东权益决定，因此，股东权益不可忽视。 黄薇(2008)[3]选取的投入指标是员工人数、实收资本及资本公积和准备金项目，确定的产出变量是保费收入、总投资资产及已发生给付和准备金变动。与前文分析类似，作者对员工人数的说明并不明确；除此之外，总投资资产与保费收入的数据存在重合，因为保险公司在保费收取与赔付发生之间存在的“时间差”，所以，投资资产中有部分是由保费构成，因此，在进行数据处理时需要将这部分剔除。另外，已发生给付表示的是保险公司在承保业务当年发生的支出情况，寿险业和财险业的状况有所区别，但文中并未对两种保险公司进行区分，准备金变动的状况也需要加以区别。实收资本的选取也有不妥之处，因为权益资本比固定资本占比更大，影响更深，故实收资本和固定资本不能完全代表资本项目。 甘小丰(2008)[2]将保险公司资本额、劳动力及固定资产作为投入变量，而产出变量则选取了保费收入、投资收入和赔付支出这三种变量。此处的固定资产作为投入变量值得商榷，因为对于保险公司来说，投入项包括人力投入和非人力投入，非人力投入也就是保险业的资产投入。资产=负债+所有者权益，如果给出对应的财务报表项目时，若从资产负债表的左侧选择，应选取资产合计，因为固定资产只是资产的很小一部分；而若从资产负债表的右侧选取，则应是负债与股东权益的和，股东权益是保险公司的一项重要的投入不可忽视。同时，正如前文所描述，营业费用中一般包含了内勤人员与销售代理的工资成本，但是，此处的劳动力是否将销售代表纳入统计却并不明确。同时，由于寿险业和财险业的赔付存在一定的差异，不同类别的保险公司的赔付数据的处理也需要却别对待，但是本文并没有给出相对应的说明。 Kader等(2014)[17]在对成本效率进行估算时，选取的投入指标是劳动力、实物资本；选取的产出指标是总保费。其中，劳动力价格等于总工资与劳动人数的商；资本价格等于剔除劳动力成本之后的运营费用与保险公司总资产的商。此处，关于劳动力和实物资本变量存在不妥。一是劳动力的定义不明确。二是如前文所述，实物资产的选择不具有代表性。 (2)中介法。关于中介法，金融机构被主要认为是存款者和贷款者之间的中介。具体到保险公司，保险公司作为投保人和被保险人之间的中介机构，通过投保人定期定额的保费支付来对被保险人不确定的风险进行有效的保障，从而将被保险人所遭受的损失最大化的降低。因此笔者认为主要的投入指标是保费收入，而主要的产出指标则是已发生给付和准备金变动。其他的学者在指标的选取上存在不同的见解。 Hao和Chou(2005)[18]在对效率进行估算时，选取的投入要素有劳动力、实物资本和赔付；选取的产出指标是保费及年金、投资价值。与前文的分析一致，在这里劳动力变量的选取存在不足之处，是否将保险外勤人员纳入统计范围并没有给出明确的说明。此外，实物资本作为投入并不能充分概括资本量，与对Kader等(2014)[17]分析一致。 黄薇(2006)[19]运用的投入指标分别是员工人数、实收资本和实物资产，确定的产出变量是保费收入、投资收益和已发生给付和准备金变动。笔者认为，此处固定资产的选取存在不妥之处，具体评论可参考甘小丰(2008)[2]。而且，此处缺少对劳动力进行必要的说明。因为统计年鉴中披露的行业平均工资水平是否将销售代理纳入统计口径仍不清楚，因此，在劳动力的选取上面，需要和平均工资水平相对应。但是，由于保险行业对劳动力的选取最好包括内勤人员和销售代理，因此，在平均工资价格的选取上也需要注意。 在黄薇(2008b)[11]将保险公司所承担的内生非系统性风险纳入保险效率的评价体系中，投入变量是员工人数、金融资本和债务资本。产出变量是保费收入、总投资资产、已发生给付和准备金变动。与上文分析一样，总投资资产并没有对保费收入进行剔除，形成了重复统计。除此之外，尽管对债务资本进行了财险和寿险的区别处理，但是并没有考虑到债务资本的双性特征。另外，在这里的员工人数并没有说明是否囊括了销售代理。 同样考虑风险角度的文献还包括王聪和欧阳青东(2008)[20]。文中创造性的引入Hughes检验银行存款的方法来检验保险业的投入产出特性，确定投入变量是劳动力、权益资本、其他实物资本、保费；产出变量是不考虑再保险的引致损失、投资收益与其他收益之和。同前文分析的类似，仍然没有考虑到保险行业的劳动力的特殊性。 胡颖和叶羽钢(2009)[9]在这篇文献中的投入指标是劳动力、实收资本、赔款支出、费用支出；产出指标是保费收入、准备金的增加额与利润之和。同样地，劳动力在这里缺少说明；同时在产出指标中，由于产险和寿险有所区别，因此准备金的增加这个项目存在差异，但文中并未给出说明。另外，仅以实收资本作为投入因素并不妥当。因为实收资本作为资本的代表，忽略了权益资本的重要影响。 (3)增加值法。Berger和Humphrey(1997)[12]建议使用增加值法，增加值法认为所有的资产和负债都有产出特征，当资产和负债有较大附加价值的情况下，需将其看做重要的产出，且将造成价值减少的因素作为投入。 Fecher等(1993)[21]在估算过程中，使用的投入变量有工资、综合投入变量(由资本花费、设备购买和供给构成)，寿险公司产出是金融投资净回报、总保费收入；非寿险公司产出变量是总保费收入。在DEA分析中，将工资作为投入变量值得商榷，与本文对Gardner和Grace(1993)[13]的分析一致。Cummins等(1996)[22]用两阶段DEA分析意大利保险公司的效率值。投入变量是劳动力价格、劳动力管理费用、固定资本、抵押资产，产险产出是汽车财产损失、汽车责任损失、其他财产责任损失、投资资产；寿险产出是寿险收益和投资资产。对劳动力价格的分析与Gardner和Grace(1993)[13]处一致。Bernstein(1999)[23]在对全要素生产率估计过程中使用的投入要素有：劳动力、资本、中间投入；产出要素有个人寿险保费收入、团体寿险保费收入、个人寿险年金、团体寿险年金四类。此处，对劳动力的分析参考Gardner和Grace(1993)[13]的评述。 Noulas等(2001)[24]采用的投入指标分别是工资、费用和已发生给付；产出指标为保费收入、投资收益。对工资的评论参考Gardner和Grace(1993)[13]；对于已发生给付，需要对寿险和财险做出区别。Fenn等(2008)[1]选择的投入指标是总资本和准备金、总技术准备金、真实负债资本；选择的产出是净发生给付。此处负债资本的选取值得探讨：因为总资本中一般已包含权益资本、负债资本和实物资本，将负债资本纳入投入指标会造成重复。对劳动力的分析，参考Kader等(2014)[17]。 Cummins等(2010)[25]的投入指标有内勤人员、代理人员、实物资本、商业服务和金融资本；财险产出为已发生损失的真实现值；寿险产出有产生的效益与准备金增量之和、资产累计、非支付准备金和投资资产。关于实物资本的分析与Kader等(2014)[17]一致。叶成徽和陈晓安(2012)[26]在效率估计时选取的投入要素有佣金占保费收入比例、实收资本占总资产的比例、营业费用占总资产的比例；产出指标有保费收入、责任准备金的增量和已发生给付、投资收益。投入要素佣金/保费收入这个变量的选取值得商榷：因为销售代理产生佣金，故将佣金/保费收入代表劳动力对保费收入的作用是以偏概全。另外，由于保险行业的特殊性，责任准备金和已发生给付未对寿险和产险做出区别。 3.本文构建体系 生产法下，产出是由一段时间内处理的文件或交易的数量和种类来衡量。但具体的交易数据流并不能普遍获得。因此，类似于存款的存量数据和未发生给付的保单数据需要找替代数据。像劳动力、资本等物理变量可以包括在内，因为物理变量是交易和处理金融文件时必需的。在中介法中，投入的储备和利息成本也包含在分析中。因为储备是金融中介服务中主要原料。但这两种方法并不完美是因为并没有完整的概括出金融机构的双重作用：提供交易以及文件处理服务；成为存款者与贷款者之间交换基金的中介。保险公司并非纯粹的金融中介，因此，中介法并不适用于保险公司来确定产出指标；由于财险和寿险在生产周期以及生产过程上存在较大差异，因此在不加以区分的情况下使用生产法会导致效率测度的显著误差。 在参考Berger和Humphrey(1997)[12]提出的金融行业确定产出的三种方法的基础上，针对不同的效率测度，本文构建了两套适用于保险公司效率测度的投入产出指标体系，该指标结合我国保险业数据的可获得性，将保险公司视为金融服务的提供者，以生产法和增加值法为核心，在此基础上做出调整，弥补了彼此的缺陷，使得效率估计结果更加全面。
(1)业务角度的保险行业效率测算指标体系。生产法关注的是金融机构在投入一定人力、财力和物理设施后能够发生的业务量，产出指标重点衡量的是业务量，因此笔者从业务角度提出一套保险业效率测算的指标体系。从保险业务的角度分析保险公司的生产经营效率，通过保险公司的业务产生收入来衡量保险公司的投入和产出。值得注意的是，表3中的代理人代表的是保险机构的外勤工作人员，劳动力代表的是保险机构的内勤工作人员。具体看文献需要选择代理人及劳动力的单位。 (2)盈利角度的保险行业效率测算指标体系。增加值法重点关注的是金融机构的利润，因此笔者从利润衡量的角度提出一套测算效率的投入产出指标体系。若是分析保险行业使用资源来创造利润的能力，投入和产出指标根据利润归属保险公司来进行选取。
四、研究结论 保险机构的效率测度是目前研究热点，本文在综述现有研究基础上，得出几个有意义的结论：首先是明确了保险公司是互助式盈利性的金融机构这一特性，因此在测度保险机构效率时，并不能将其视为单纯的金融机构。其次，参数法更适合用于估计中国保险公司的效率。在参数法中，SFA方法考虑了随机因素对产出的影响，估计结果更为精确有效，是保险业效率研究最适合的方法。最后，在投入产出指标的选择方面，结合我国保险行业数据的可得性，分别构建了合适的保险行业投入产出指标体系。业务角度方面，将投入指标暂时拟定为营业费用、代理人、劳动力和总资本四个；将产出指标拟定为保费收入、投资收益、已发生给付和准备金变动三项。利润角度方面，选择的投入指标有员工费用、权益资本和总投资资产三项，产出指标则为准备金增加额与利润之和。本文的综述对保险机构的效率测度提供了有价值的参考和指引。
标签：保费收入论文; 保险论文; 成本分析论文; 保险准备金论文; 风险成本论文; 风险模型论文; 投入资本论文; 保险公司论文; 实收资本论文; dea论文; 文献综述论文;
